Simulação na área da saúde transforma o fluxo de pacientes na clínica de ensino da Emory

O desafio

Introdução

O Emory Healthcare é o único centro médico acadêmico do estado da Geórgia, com uma impressionante rede de dez hospitais, mais de 580 locais e 230 instalações de atendimento primário em todo o estado. Classificado como o sistema de saúde número um da Geórgia, o Emory construiu uma reputação de excelência no atendimento ao paciente, na educação médica e em soluções inovadoras de saúde.

Entre a extensa rede de instalações da Emory está a clínica Dunwoody Family Medicine, uma instalação de ensino abrangente que foi inaugurada em outubro de 2024. Essa clínica recém-criada representa uma atualização significativa em relação à sua localização anterior, expandindo de 25 para 33 salas de exame para acomodar a crescente demanda de pacientes. A instalação oferece uma ampla gama de serviços, incluindo atendimento primário, medicina familiar, ortopedia, coluna e cardiologia, bem como serviços de imagem, laboratório, cirurgia ambulatorial e fisioterapia.

O que torna a clínica de Dunwoody particularmente singular é seu papel como uma instalação de ensino. Como explica Victoria Jordan, vice-presidente de otimização e inovação de processos da Emory Healthcare, "a clínica de medicina familiar de Dunwoody é uma clínica dirigida por residentes. De fato, mais de 70% dos provedores da clínica são residentes". Esse ambiente de ensino cria desafios operacionais específicos que afetam tanto a experiência do paciente quanto os requisitos educacionais.

Com capacidade para atender mais de 350.000 pacientes por ano e uma projeção de atender mais de 20.000 pacientes somente em 2025, a otimização das operações nessa instalação se tornou uma prioridade essencial. Para enfrentar esse desafio, a Emory Healthcare fez uma parceria com os alunos de design sênior de Engenharia Industrial e de Sistemas da Georgia Tech e com a Simio para desenvolver um modelo de simulação que ajudaria a identificar oportunidades de melhoria.

"Queríamos demonstrar especificamente como poderíamos usar a simulação na Emory Healthcare", explica o Dr. Jordan. "Não temos muitas pessoas que já a utilizaram. E como estávamos trabalhando com nosso grupo de cuidados primários, eles estavam ansiosos para ver. Então, para começar, isso foi mais uma demonstração."

O desafio

A clínica Dunwoody Family Medicine enfrentou um complexo desafio operacional decorrente de sua dupla missão de oferecer excelente atendimento ao paciente e, ao mesmo tempo, servir como centro de ensino para médicos residentes. Isso criou requisitos exclusivos de fluxo de trabalho que afetaram significativamente os tempos de espera dos pacientes e a eficiência geral da clínica.

Como uma clínica dirigida por residentes, a instalação opera sob protocolos educacionais específicos que afetam o fluxo de pacientes. Os residentes em diferentes estágios de seu treinamento têm níveis variados de autonomia e requisitos de supervisão:

• Os residentes do primeiro ano em seus seis meses iniciais devem se reunir com um preceptor (médico supervisor) no meio da consulta de cada paciente, com o preceptor retornando à sala de exame com o residente
• Os residentes do primeiro ano em seus segundos seis meses ainda se reúnem com o preceptor no meio da consulta, mas o preceptor não precisa mais retornar à sala de exames
• Os residentes do segundo ano podem "empilhar" até 2 ou 3 pacientes antes de consultar um preceptor
• Os residentes do terceiro ano podem empilhar até 3 a 4 pacientes antes de consultar um preceptor

Essas exigências de supervisão criaram gargalos significativos, principalmente no consultório do preceptor. Com apenas 2 ou 3 preceptores disponíveis por dia, supervisionando 10 provedores, 3 ou 4 enfermeiras e 5 ou 7 estudantes de medicina, os tempos de espera se acumulavam ao longo do dia.

A análise dos dados revelou padrões preocupantes nos tempos de espera dos pacientes:

• 40% dos pacientes esperaram mais de 10 minutos apenas para serem atendidos no início da consulta
• 50% dos pacientes esperaram mais de 10 minutos após a saída da enfermeira para a chegada do médico
• Os pacientes esperaram uma média de 34 minutos durante suas consultas
• 61% dos pacientes chegaram menos de 15 minutos antes do horário agendado para a consulta (apesar de terem sido solicitados a chegar 15 minutos antes)
• 19% dos pacientes chegaram após o horário agendado para a consulta
• 77% das salas não foram preenchidas até o horário de início da consulta
• 93% dos provedores entraram nas salas de exame após o horário de início da consulta agendada
• 90% das consultas terminaram mais tarde do que o previsto

"Percebemos atrasos no sistema", explicou um dos membros da equipe da Georgia Tech. "No início do dia, há muito pouco tempo de espera. À medida que a sessão avança, no meio do dia, no final da sessão da manhã e no final do dia, as consultas começam a terminar cada vez mais tarde."

A complexidade das operações da clínica, com vários processos interdependentes e o modelo exclusivo de interação entre preceptor e residente, dificultou para a equipe a identificação das causas principais dos atrasos e o desenvolvimento de soluções eficazes. Esse ambiente apresentou uma oportunidade ideal para a aplicação da simulação na área da saúde para visualizar, analisar e otimizar o fluxo de pacientes.

A solução

Abordagem da solução: O poder da simulação na área da saúde

Para enfrentar esses desafios complexos, a Emory Healthcare fez uma parceria com os alunos de Engenharia Industrial e de Sistemas da Georgia Tech para desenvolver um gêmeo digital abrangente no setor de saúde usando o software de simulação Simio. Essa abordagem permitiu que eles modelassem as operações complexas da clínica Dunwoody Family Medicine e testassem possíveis melhorias sem interromper o atendimento real ao paciente.

Coleta e análise de dados

O projeto começou com uma ampla coleta de dados de várias fontes:

• Registros eletrônicos de saúde: A equipe aproveitou o banco de dados robusto da Emory para extrair informações sobre o fluxo de pacientes, incluindo horários de check-in, horários de início de acomodação, duração do serviço de enfermagem e horários de término da visita.
• Estudos de tempo: Como os registros eletrônicos não capturavam as atividades que não eram voltadas para o paciente (especialmente as interações com os preceptores), a equipe realizou estudos de tempo no local para coletar dados sobre o tempo que os provedores passavam com os preceptores e na fila de espera pela disponibilidade do preceptor.
• Mapeamento de processos: A equipe documentou o fluxo de trabalho detalhado para diferentes tipos de provedores (corpo docente, residentes experientes e residentes do primeiro ano) para capturar os aspectos exclusivos dessa clínica de ensino.

Com esses dados em mãos, a equipe realizou uma análise estatística para identificar os fatores mais significativos que afetam cada etapa da jornada do paciente. Eles descobriram que:

• O nível de experiência do provedor afetou significativamente o tempo de atendimento, com provedores menos experientes levando mais tempo para tratar os pacientes
• A faixa etária do paciente e o horário da consulta afetaram os padrões de chegada
• A faixa etária do paciente, o sexo e o tipo de consulta influenciaram o tempo de atendimento do enfermeiro
• Os tipos de consultas apresentaram padrões distintos que poderiam ser agrupados para uma modelagem mais precisa

Para evitar o excesso de ajuste e simplificar o modelo, a equipe realizou uma análise de correlação para agrupar atributos semelhantes. Por exemplo, eles descobriram que os padrões de chegada de pacientes poderiam ser agrupados em apenas três categorias (8h, 13h e todos os outros horários) em vez de modelar cada horário separadamente.

Criando o gêmeo digital

Usando o software de simulação Simio, a equipe criou um gêmeo digital detalhado da clínica de Dunwoody que representava visualmente o layout físico, o fluxo de pacientes e a alocação de recursos. A simulação incluiu:

• Representação visual dos quatro pods da clínica, cada um contendo de 7 a 10 salas de exame
• Processos de chegada e check-in de pacientes
• Atividades de colocação de enfermeiros e avaliação inicial
• Interações entre o provedor e o paciente
• Processos de consulta ao preceptor
• Procedimentos de cuidados adicionais (exames laboratoriais, vacinas, etc.)

"Tentamos modelar a clínica visualmente da melhor forma possível, apenas para torná-la o mais útil possível", explicou um dos membros da equipe da Georgia Tech. A simulação permitiu que a equipe da clínica visualizasse a movimentação dos pacientes, identificasse gargalos e compreendesse como os atrasos se propagavam pelo sistema.

Uma inovação importante foi o desenvolvimento de uma ferramenta de pré-processamento de dados que permitiu que a clínica importasse os horários reais dos pacientes para a simulação. Isso permitiu que eles testassem dias ou cenários específicos simplesmente selecionando uma data, executando o script e importando os arquivos CSV resultantes para o Simio.

Implementação de padrões de simulação na área de saúde

Para garantir a precisão e a confiabilidade do modelo, a equipe seguiu os padrões de simulação da área de saúde para validação:

• Validade de face: Verificaram que a lógica da simulação correspondia às operações reais da clínica, especialmente os complexos padrões de interação entre preceptor e residente.
• Validação do modelo de entrada: Eles compararam as distribuições de entrada da simulação (como o tempo médio de atendimento da enfermeira) com dados reais de dias não utilizados no desenvolvimento do modelo.
• Validação da interação do sistema: Eles avaliaram como os vários componentes funcionavam juntos, comparando métricas como o tempo médio no sistema entre a simulação e as observações do mundo real.

Esse processo de validação revelou que, embora muitos aspectos do modelo refletissem com precisão a realidade, alguns refinamentos eram necessários. Por exemplo, a simulação impunha estritamente uma atribuição de 1 para 1 entre pacientes e enfermeiros, ao passo que, na realidade, os enfermeiros às vezes ajudavam uns aos outros quando havia atrasos.

O impacto nos negócios

Resultados e impacto nos negócios

O projeto de simulação da área de saúde forneceu percepções valiosas que levaram a várias recomendações práticas para melhorar as operações da clínica. Por meio de análises hipotéticas, a equipe identificou quatro oportunidades principais para a otimização do fluxo de pacientes:

1. Mudanças na designação de preceptores

A simulação revelou que a alteração do sistema de designação de preceptores de um mapeamento de 1 para 1 (em que cada residente é designado a um preceptor específico) para um modelo de primeiro a chegar, primeiro a ser atendido, poderia reduzir o tempo de espera no escritório do preceptor em 31%. Essa simples mudança operacional não exigia recursos adicionais, mas poderia melhorar significativamente o fluxo de pacientes.

2. Restrições flexíveis de empilhamento

A equipe descobriu que permitir que os residentes visitassem os preceptores disponíveis de forma oportuna, em vez de seguir estritamente os limites máximos de empilhamento, poderia reduzir ainda mais o tempo de espera do preceptor. Por exemplo, se um residente do segundo ano tivesse atendido dois pacientes (seu limite máximo de empilhamento), mas houvesse um preceptor disponível, permitir que ele consultasse imediatamente, em vez de esperar pelo preceptor designado, aumentaria a eficiência.

3. Atribuições estratégicas de salas

Uma das descobertas mais simples, porém impactantes, envolveu o layout físico da clínica. O estudo de tempo revelou que os residentes do primeiro ano (que precisam consultar os preceptores com mais frequência) poderiam reduzir seu tempo de deslocamento em 60% se fossem designados para o Pod 4, que era o mais próximo da sala do preceptor.

Como observou o Dr. Jordan, "Foi interessante que uma das recomendações da equipe foi transferir os residentes do primeiro ano que precisam consultar um preceptor após cada visita para o pod mais próximo da sala do preceptor, o que parece completamente óbvio em retrospectiva, mas é algo que os líderes da clínica ficaram realmente felizes em ver, porque eles disseram: 'Vemos isso todos os dias e nunca pensamos nisso'".

4. Otimização da duração das consultas

A análise mostrou que os intervalos de consulta padrão de 20 e 40 minutos da clínica nem sempre se alinhavam com os tempos reais de atendimento. Ao adequar melhor as durações das consultas às durações típicas dos serviços para diferentes tipos de visitas, a clínica poderia reduzir o tempo ocioso do prestador de serviços e o tempo de espera do paciente.

Valor comercial e resposta das partes interessadas

O impacto do treinamento em simulação no atendimento ao paciente na Emory Healthcare foi além das recomendações operacionais específicas. O projeto proporcionou vários benefícios mais amplos:

• Melhoria da satisfação do paciente: Ao identificar maneiras de reduzir os tempos de espera, a simulação ajudou a abordar um fator importante na satisfação do paciente.
• Melhoria da qualidade do atendimento: A redução do estresse e da pressão de tempo do provedor permite interações mais focadas com o paciente.
• Valor educacional: A simulação forneceu uma ferramenta para demonstrar conceitos de melhoria de processos aos residentes e à equipe.
• Adesão das partes interessadas: A natureza visual da simulação ajudou a equipe clínica a entender e aceitar as mudanças recomendadas.

"A equipe de cuidados primários ficou muito animada com a possibilidade de implementar algumas das recomendações da equipe", explicou o Dr. Jordan. "Eles nos deram um feedback muito positivo. Disseram que realmente ajudou ter alguns olhos novos para analisar o processo e identificar coisas que, em retrospectiva, pareciam muito óbvias."

Aplicações futuras e lições aprendidas

O sucesso desse projeto inicial de simulação na área de saúde abriu as portas para aplicações ampliadas em toda a Emory Healthcare. A organização já está planejando as próximas etapas para desenvolver essa base:

Fase Dois: Otimização do agendamento de residentes

A próxima fase se concentrará na otimização do agendamento de residentes e pacientes para garantir que todos os residentes concluam os procedimentos necessários para seu treinamento. "A segunda fase será otimizar o agendamento para os residentes e pacientes para que possamos garantir que todos os nossos residentes concluam todos os procedimentos em sua lista de verificação", explicou o Dr. Jordan.

A Emory já solicitou que outra equipe do Georgia Tech trabalhe nesse modelo de otimização para o semestre do outono, demonstrando seu compromisso em dar continuidade a essa abordagem orientada por dados para o aprimoramento do processo de saúde.

Implementação mais ampla em toda a Emory Healthcare

Além da clínica de Dunwoody, a Emory vê potencial para aplicar modelos de simulação semelhantes em sua extensa rede. "Temos mais de 300 clínicas na área de Atlanta", observou o Dr. Jordan. "Estamos procurando como podemos usar modelos semelhantes para otimizar o fluxo de pacientes e o uso de recursos nessas clínicas também."

Essa expansão representa uma oportunidade significativa para padronizar as melhores práticas e aprimorar as operações em todo o sistema Emory Healthcare.

Principais lições do projeto

Várias lições valiosas surgiram dessa iniciativa de simulação na área de saúde:

• O envolvimento das partes interessadas é fundamental: o sucesso do projeto dependeu da estreita colaboração entre a equipe da Georgia Tech, os consultores da Simio e a equipe da Emory Healthcare. Como observou um membro da equipe, "A Emory tem sido uma grande ajuda. Acho que não conseguiríamos concluir esse projeto sem a ajuda deles".
• A simulação visual melhora a compreensão: A natureza visual do modelo Simio ajudou a equipe clínica a compreender dinâmicas operacionais complexas que não eram aparentes em seu trabalho diário.
• Decisões baseadas em dados geram confiança: A capacidade da simulação de quantificar o impacto das mudanças propostas ajudou a aumentar a confiança nas recomendações.
• Parcerias entre o setor acadêmico e o setor agregam valor: A colaboração entre a Emory Healthcare, a Georgia Tech e a Simio demonstrou como as instituições acadêmicas e os parceiros do setor podem trabalhar juntos para solucionar desafios reais na área da saúde.

Conclusão

O projeto de simulação da área da saúde na clínica Dunwoody Family Medicine da Emory demonstra o impacto poderoso que a modelagem digital pode ter nas operações da área da saúde, especialmente em ambientes de ensino complexos. Ao criar um gêmeo digital detalhado da clínica, a equipe conseguiu identificar melhorias específicas e acionáveis que poderiam reduzir significativamente o tempo de espera dos pacientes e aprimorar a experiência educacional dos residentes e a experiência de atendimento aos pacientes.

Como resumiu o Dr. Jordan, "Por meio desse projeto, a equipe da Georgia Tech, juntamente com o suporte de facilitação do Simio, fez um excelente trabalho para obter um gêmeo digital inicial no Simio. Isso nos deu um modelo preliminar sólido sobre o qual nos basearemos."

O sucesso desse projeto destaca a importância crescente da simulação na área da saúde, pois as organizações buscam otimizar recursos, melhorar a experiência dos pacientes e manter a excelência educacional nas instalações de ensino. Ao seguir os padrões de simulação da área de saúde e aproveitar os recursos avançados de modelagem, a Emory Healthcare estabeleceu uma base para o aprimoramento contínuo que pode ser expandida para todo o sistema.

"Gostaríamos de agradecer especificamente à Simio pelo trabalho que eles fizeram para nos ajudar a levar isso adiante", concluiu o Dr. Jordan. "Greer e sua equipe nos ajudaram a garantir que tivéssemos um sistema consistente entre o software que usávamos internamente e o software que os alunos usavam. Eles também nos ajudaram com educação e suporte de consultoria que foram inestimáveis em nossos esforços."

Este estudo de caso ilustra como a simulação na área da saúde pode transformar as operações de forma a beneficiar todas as partes interessadas - pacientes, provedores, residentes e o sistema de saúde como um todo - ao mesmo tempo em que fornece um roteiro para outras organizações que enfrentam desafios semelhantes.